Últimamente he hablado mucho sobre mi antigua empresa, ya que en el estado en el que está es una fuente inagotable de temas de gestión. La verdad es que yo tengo muy claro lo que se debería hacer allí, acciones concretas para mejorar el negocio y hacerlo rentable, pero esta tiene un problema que no tiene nada que ver con la gestión, que es el que realmente la está fastidiando. No voy a hablar más de ella en el blog, he de pasar página, ya toca. Y lo voy a hacer a lo grande, con una aplicación de la ciencia de la complejidad al mundo de las decisiones.

El otro día leyendo el HBR de noviembre encontré un artículo titulado A Leader’s Framework for Decision Making que me sorprendió, como ya es habitual. Hablaba del Cynefin Framework, un sistema de toma de decisiones que rompe con todo y utiliza la ciencia de la complejidad, que nos permite poder ver las cosas desde nuevos puntos de vista, asimilar conceptos complejos y resolver problemas del mundo real mucho mas efectivamente. Ya hemos hablado de que los verdaderos innovadores son aquellos que pueden manejar información contradictoria y unirla para hacer algo mejor, y quizás este método os ayudará a conseguirlo.

En esta primera entrada os hablaré propiamente de la teoría de la complejidad. En posteriores entradas hablaremos del método en sí y de su aplicación.

¿Qué es la teoría de la complejidad? Bueno, podemos ver la complejidad como una manera de ver el mundo, y no simplemente como una forma de trabajar con modelos matemáticos. Esta aplicación de la ciencia nos puede ayudar a controlar los cambios y oportunidades que la tecnología avanzada, o la globalización, o los mercados mundiales, o tantas otras cosas, nos pueden ofrecer. Definamos las características de un sistema complejo:

  • Comprende un gran número de elementos que interaccionan.
  • Las interacciones son no lineales, por lo que pequeños cambios puedes provocar consecuencias desproporcionadas.
  • El sistema es dinámico, el total es mucho mayor que la suma de todas sus partes, y las soluciones no se imponen, sino que surgen de las circunstancias.
  • El sistema tiene memoria, y el pasado está integrado en el presente. Los elementos que lo componen evolucionan juntos y con el entorno, y la evolución es irreversible.
  • Aunque un sistema complejo puede parecer ordenado y predictivo, no podemos predecir nada basándonos en el pasado, ya que las condiciones externas y el sistema constantemente está cambiando.
  • A diferencia de los sistemas ordenados (el sistema restringe a los agentes) o los sistemas caóticos (no hay restricciones), en los sistemas complejos los agentes y el sistema se restringen mutuamente, especialmente en el tiempo, por lo que no podemos predecir nada.

Una de las primeras teorías de la complejidad es la de que fenómenos complejos se explican con reglas simples, y se tomaba como ejemplo modelos naturales. Por ejemplo, pensemos en el comportamiento de los pájaros volando juntos en una bandada, un ejemplo de sistema complejo. Las reglas son extremadamente sencillas, vuela hacia el centro de la bandada, mantén la misma velocidad que el resto y evita las colisiones.

Esta teoría se aplicó en los principios del modelado industrial y la producción, y parecía que podría ser muy efectiva, pero al final no dio los resultados requeridos. El problema es que los humanos somos impredecibles e inteligentes, por lo tanto las teorías basadas en modelos naturales no se pueden aplicar. Veamos las diferencias entre animales y humanos con respecto a la teoría de la complejidad:

  • Los humanos podemos tener muchas identidades y cambiamos entre ellas muchas veces sin ser conscientes. Por ejemplo un psicópata puede ser un vecino respetable, casi siempre es así.
  • Nosotros basamos decisiones en patrones pasados que han tenido éxito o fracaso, y no en reglas lógicas y deterministas.
  • Podemos según sea el caso, variar el sistema equilibrando estados para crear resultados predecibles. Pensad por ejemplo en los proyectos six sigma.

Puede que me haya quedado una entrada muy compleja -estoy hablando de complejidad-, pero si queréis aplicar los principios de esta ciencia tendréis que dejar de actuar como hasta ahora. No es fácil, pero es fundamental en sistemas de este tipo. En entradas siguientes daremos aplicaciones al modelo.

Anuncios